Sicherheitsdaten zu San Francisco

Anrufe bei der Feuerwehrdienststelle und 311-Fälle in San Francisco.

Hinweis

Microsoft stellt Datasets der Plattform Azure Open Datasets auf einer „As is“-Basis (d. h. ohne Mängelgewähr) zur Verfügung. Microsoft übernimmt weder ausdrücklich noch stillschweigend die Gewährleistung für Ihre Nutzung der Datasets und sichert keinerlei Garantien oder Bedingungen zu. Soweit nach örtlich anwendbarem Recht zulässig, lehnt Microsoft jegliche Haftung für Schäden oder Verluste ab. Dies schließt direkte, indirekte, besondere oder zufällige Schäden oder Verluste sowie Folge- und Strafschäden und damit verbundene Verluste ein, die sich aus Ihrer Nutzung der Datasets ergeben.

Für die Bereitstellung dieses Datasets gelten die ursprünglichen Nutzungsbedingungen, unter denen Microsoft die Quelldaten bezogen hat. Das Dataset kann Daten von Microsoft enthalten.

Anrufe bei Feuerwehrdienststellen umfassen alle Feuerwehreinsätze. Alle Datensätze enthalten die Rufnummer, Vorfallnummer, Adresse, Kennung der Einheit, Anruftyp und Disposition. Alle relevanten Zeitintervalle sind ebenfalls enthalten. Da dieses Dataset auf Reaktionen basiert und die meisten Anrufe mehrere Einheiten umfassten, bestehen mehrere Einträge für jede Rufnummer. Die Adressen umfassen eine Blocknummer, Kreuzung oder Telefonzelle und keine genaue Adresse.

311 der Fälle umfassen Fälle, die im Allgemeinen einem Ort oder Gegenstand zugeordnet sind (z. B. Parks, Straßen oder Gebäuden). Sie wurden nach dem 1. Juli 2008 erstellt. Fälle, die von einem Benutzer über seine eigenen Anforderungen protokolliert werden, werden ausgeschlossen. Beispiele hierfür sind Fragen zur Grund- oder Unternehmenssteuer, Genehmigungsanforderungen für den Parkplatz und so weiter. Weitere Informationen finden Sie unter demProgram-Link.

Volume und Aufbewahrung

Dieses Dataset wird im Parquet-Format gespeichert. Es wird täglich aktualisiert und enthält etwa 6 Millionen Zeilen (400 MB), die seit 2019 gesammelt wurden.

Dieses Dataset enthält historische Datensätze, die von 2015 bis heute gesammelt wurden. Verwenden Sie Parametereinstellungen im SDK, um Daten innerhalb eines bestimmten Zeitbereichs abzurufen.

Speicherort

Dieses Dataset wird in der Azure-Region „USA, Osten“ gespeichert. Aus Gründen der Affinität wird die Zuweisung von Computeressourcen in der Region „USA, Osten“ empfohlen.

Zugehörige Datasets

• Eingehende Anrufe bei der Feuerwehr
• 311 Fälle

Spalten

Name	Datentyp	Eindeutig	Beispielwerte	BESCHREIBUNG
address	Zeichenfolge	280,652	Nicht zu einer bestimmten Adresse zugeordnet Block 0 von 6TH ST	Die Adresse des Vorfalls (Hinweis: die Genauigkeit der Adress- und Standortangabe wird auf den Streckenmittelpunkt zwischen zwei Querstraßen, eine Kreuzung oder die nächstgelegene Telefonzelle beschränkt, um die Privatsphäre des Anrufers zu schützen).
category	Zeichenfolge	108	Die Straßen- und Gehwegreinigung ist potenziell lebensbedrohlich	Der für Menschen lesbare Name des 311-Dienstanforderungstyps oder der Anruftyp für 911-Brandmeldungen.
dataSubtype	Zeichenfolge	2	911_Fire 311_All	„911 für Feuer“ oder „311 für alle“.
dataType	Zeichenfolge	1	Sicherheit	“Safety”
dateTime	timestamp	6,496,563	2020-10-19 12:28:08 2020-07-28 06:40:26	Datum und Uhrzeit der Dienstanforderung oder des Eingangs der Brandmeldung.
latitude	double	1,615,369	37.777624238929 37.786117211838	Breitengrad des Standorts bei Verwendung der WGS84-Projektion.
longitude	double	1,554,612	-122.39998111124 -122.419854245692	Längengrad des Standorts bei Verwendung der WGS84-Projektion.
source	Zeichenfolge	9	Mobiltelefon/Offen 311	Der Mechanismus oder Weg, auf dem die Serviceanforderung empfangen wurde, in der Regel per „Telefon“, „SMS“, „Website“, „Mobile App“, „Twitter“ usw. Die Bestimmungen können je nach System variieren.
status	Zeichenfolge	3	Abgeschlossen/Offen	Ein ein Wort langer Indikator des aktuellen Zustands der Dienstanforderung. (Hinweis: GeoReport V2 lässt nur die Werte „offen“ und „geschlossen“ zu.)
subcategory	Zeichenfolge	1\.270	Massenelemente für medizinische Vorfälle	Der für Menschen lesbare Name des untergeordneten Typs der Dienstanforderung für 311-Fälle oder der Anruftyp für 911-Brandmeldungen.

Vorschau

dataType	dataSubtype	dateTime	category	subcategory	status	address	latitude	longitude	source	extendedProperties
Sicherheit	911_Fire	26.04.2021 2:56:13 Uhr	Nicht lebensbedrohlich	Medizinischer Vorfall	ungültig	Block 700 der GEARY STREET	37.7863607914647	-122.415616900246	NULL
Sicherheit	911_Fire	26.04.2021 2:56:13 Uhr	Nicht lebensbedrohlich	Medizinischer Vorfall	ungültig	Block 700 der GEARY STREET	37.7863607914647	-122.415616900246	NULL
Sicherheit	911_Fire	26.04.2021 2:54:03 Uhr	Nicht lebensbedrohlich	Medizinischer Vorfall	ungültig	Block 0 der ESSEX STREET	37.7860048266229	-122.395077258809	NULL
Sicherheit	911_Fire	26.04.2021 2:54:03 Uhr	Nicht lebensbedrohlich	Medizinischer Vorfall	ungültig	Block 0 der ESSEX STREET	37.7860048266229	-122.395077258809	NULL
Sicherheit	911_Fire	26.04.2021 2:52:17 Uhr	Nicht lebensbedrohlich	Medizinischer Vorfall	ungültig	Block 700 der 29TH AVENUE	37.7751770865322	-122.488604397217	NULL
Sicherheit	911_Fire	26.04.2021 2:50:28 Uhr	Potenziell lebensbedrohlich	Medizinischer Vorfall	ungültig	Block 1000 der GEARY STREET	37.7857350982044	-122.420555240691	NULL
Sicherheit	911_Fire	26.04.2021 2:50:28 Uhr	Potenziell lebensbedrohlich	Medizinischer Vorfall	ungültig	Block 1000 der GEARY STREET	37.7857350982044	-122.420555240691	NULL
Sicherheit	911_Fire	26.04.2021 2:33:52 Uhr	Nicht lebensbedrohlich	Medizinischer Vorfall	ungültig	Block 100 der BELVEDERE STREET	37.767791696654	-122.449332294394	NULL
Sicherheit	911_Fire	26.04.2021 2:33:52 Uhr	Nicht lebensbedrohlich	Medizinischer Vorfall	ungültig	Block 100 der BELVEDERE STREET	37.767791696654	-122.449332294394	NULL
Sicherheit	911_Fire	26.04.2021 2:33:51 Uhr	Potenziell lebensbedrohlich	Medizinischer Vorfall	ungültig	Block 100 der 6TH STREET	37.7807920802756	-122.408385745499	NULL

Datenzugriff

Azure Notebooks

azureml-opendatasets

# This is a package in preview.
from azureml.opendatasets import NycSafety

from datetime import datetime
from dateutil import parser


end_date = parser.parse('2016-01-01')
start_date = parser.parse('2015-05-01')
safety = NycSafety(start_date=start_date, end_date=end_date)
safety = safety.to_pandas_dataframe()

safety.info()

azure-storage

# Pip install packages
import os, sys

!{sys.executable} -m pip install azure-storage-blob
!{sys.executable} -m pip install pyarrow
!{sys.executable} -m pip install pandas

# Azure storage access info
azure_storage_account_name = "azureopendatastorage"
azure_storage_sas_token = r""
container_name = "citydatacontainer"
folder_name = "Safety/Release/city=NewYorkCity"

from azure.storage.blob import BlockBlobServicefrom azure.storage.blob import BlobServiceClient, BlobClient, ContainerClient

if azure_storage_account_name is None or azure_storage_sas_token is None:
    raise Exception(
        "Provide your specific name and key for your Azure Storage account--see the Prerequisites section earlier.")

print('Looking for the first parquet under the folder ' +
      folder_name + ' in container "' + container_name + '"...')
container_url = f"https://{azure_storage_account_name}.blob.core.windows.net/"
blob_service_client = BlobServiceClient(
    container_url, azure_storage_sas_token if azure_storage_sas_token else None)

container_client = blob_service_client.get_container_client(container_name)
blobs = container_client.list_blobs(folder_name)
sorted_blobs = sorted(list(blobs), key=lambda e: e.name, reverse=True)
targetBlobName = ''
for blob in sorted_blobs:
    if blob.name.startswith(folder_name) and blob.name.endswith('.parquet'):
        targetBlobName = blob.name
        break

print('Target blob to download: ' + targetBlobName)
_, filename = os.path.split(targetBlobName)
blob_client = container_client.get_blob_client(targetBlobName)
with open(filename, 'wb') as local_file:
    blob_client.download_blob().download_to_stream(local_file)

# Read the parquet file into Pandas data frame
import pandas as pd

print('Reading the parquet file into Pandas data frame')
df = pd.read_parquet(filename)

# you can add your filter at below
print('Loaded as a Pandas data frame: ')
df

pyspark

Für diese Kombination aus Plattform und Paket ist kein Beispiel verfügbar.

Azure Databricks

azureml-opendatasets

# This is a package in preview.
# You need to pip install azureml-opendatasets in Databricks cluster. https://learn.microsoft.com/azure/data-explorer/connect-from-databricks#install-the-python-library-on-your-azure-databricks-cluster
from azureml.opendatasets import NycSafety

from datetime import datetime
from dateutil import parser


end_date = parser.parse('2016-01-01')
start_date = parser.parse('2015-05-01')
safety = NycSafety(start_date=start_date, end_date=end_date)
safety = safety.to_spark_dataframe()

display(safety.limit(5))

azure-storage

Für diese Kombination aus Plattform und Paket ist kein Beispiel verfügbar.

pyspark

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "citydatacontainer"
blob_relative_path = "Safety/Release/city=NewYorkCity"
blob_sas_token = r""

# Allow SPARK to read from Blob remotely
wasbs_path = 'wasbs://%s@%s.blob.core.windows.net/%s' % (blob_container_name, blob_account_name, blob_relative_path)
spark.conf.set(
  'fs.azure.sas.%s.%s.blob.core.windows.net' % (blob_container_name, blob_account_name),
  blob_sas_token)
print('Remote blob path: ' + wasbs_path)

# SPARK read parquet, note that it won't load any data yet by now
df = spark.read.parquet(wasbs_path)
print('Register the DataFrame as a SQL temporary view: source')
df.createOrReplaceTempView('source')

# Display top 10 rows
print('Displaying top 10 rows: ')
display(spark.sql('SELECT * FROM source LIMIT 10'))

Azure Synapse

azureml-opendatasets

# This is a package in preview.
from azureml.opendatasets import NycSafety

from datetime import datetime
from dateutil import parser

end_date = parser.parse('2016-01-01')
start_date = parser.parse('2015-05-01')
safety = NycSafety(start_date=start_date, end_date=end_date)
safety = safety.to_spark_dataframe()

# Display top 5 rows
display(safety.limit(5))

azure-storage

Für diese Kombination aus Plattform und Paket ist kein Beispiel verfügbar.

pyspark

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "citydatacontainer"
blob_relative_path = "Safety/Release/city=NewYorkCity"
blob_sas_token = r""

# Allow SPARK to read from Blob remotely
wasbs_path = 'wasbs://%s@%s.blob.core.windows.net/%s' % (blob_container_name, blob_account_name, blob_relative_path)
spark.conf.set(
  'fs.azure.sas.%s.%s.blob.core.windows.net' % (blob_container_name, blob_account_name),
  blob_sas_token)
print('Remote blob path: ' + wasbs_path)

# SPARK read parquet, note that it won't load any data yet by now
df = spark.read.parquet(wasbs_path)
print('Register the DataFrame as a SQL temporary view: source')
df.createOrReplaceTempView('source')

# Display top 10 rows
print('Displaying top 10 rows: ')
display(spark.sql('SELECT * FROM source LIMIT 10'))

Beispiele

• Sehen Sie sich das Beispiel City Safety Analytics auf GitHub an.

Nächste Schritte

Machen Sie sich mit den restlichen Datasets im Open Datasets-Katalog vertraut.